|
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
|
|
Detekce a klasifikace objektů zájmu zalévacího robotu zpracováním obrazu
Sladký, Jiří ; Šnajder, Jan (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato práce se zabývá obrazovým zpracováním na autonomním zaléváním mobilním robotu s využitím embedded počítače NVIDIA Jetson Nano. Vybrána a aplikována byla metoda pro detekci objektů YOLOv5, která sloužila k detekci květin a květináčů. Pomocí metody pro monokulární predikci MiDaS byla predikována relativní hloubková mapa. Vytvořen byl algoritmus, který pomocí dat z LiDARu převedl tuto mapu na metrickou. Díky tomu mohla být určena vzdálenost detekovaných květin. Vytvořené nástroje byly implementovány v prostředí ROS a otestovány na reálných datech z vnitřního prostředí.
|
|
Detekce a klasifikace objektů zájmu zalévacího robotu zpracováním obrazu
Sladký, Jiří ; Šnajder, Jan (oponent) ; Krejsa, Jiří (vedoucí práce)
Tato práce se zabývá obrazovým zpracováním na autonomním zaléváním mobilním robotu s využitím embedded počítače NVIDIA Jetson Nano. Vybrána a aplikována byla metoda pro detekci objektů YOLOv5, která sloužila k detekci květin a květináčů. Pomocí metody pro monokulární predikci MiDaS byla predikována relativní hloubková mapa. Vytvořen byl algoritmus, který pomocí dat z LiDARu převedl tuto mapu na metrickou. Díky tomu mohla být určena vzdálenost detekovaných květin. Vytvořené nástroje byly implementovány v prostředí ROS a otestovány na reálných datech z vnitřního prostředí.
|
|
Vizuální detekce malých předmětů pomocí dostupných nástrojů v prostředí MATLAB
Sladký, Jiří ; Dobossy, Barnabás (oponent) ; Appel, Martin (vedoucí práce)
Tato práce zkoumá možnosti detekce malých objektů na obrázcích pomocí metody YOLO, algoritmu hlubokého učení dostupného v programu MATLAB. V práci byl navržen a natréno-ván detektor, jež dokáže detekovat hospodářská zvířata při pohledu shora. Vytvořen byl nástroj, který provede detekce s pomocí představeného modelu i na obrázcích o vysokém rozlišení a následně spočítá přítomné objekty. Naprogramován byl generátor syntetických obrázků, který výrazně pomohl s natrénováním tohoto modelu. Byly realizovány různé experimenty, jež vedly k nalezení hranic metody YOLO a ověřily přínos představených vylepšení.
|
| |